第5节 ComfyUI工作流目录结构详解-森然网

章节介绍：本文将带您详细解析 ComfyUI 工作流的核心目录结构，逐一介绍各个目录的作用及其在工作流中的位置和作用，帮助您快速掌握 ComfyUI 的基本框架和使用方法。无论是新手还是有经验的开发者，通过本文，您都能更加轻松地配置、扩展和定制 ComfyUI，实现高效的 AI 生成工作流。

其目录结构相对复杂，每个目录都对应特定的功能模块，例如模型管理、配置文件、输入输出文件夹、以及扩展插件等。

本文将带您详细解析 ComfyUI 工作流的核心目录结构，逐一介绍各个目录的作用及其在工作流中的位置和作用，帮助您快速掌握 ComfyUI 的基本框架和使用方法。无论是新手还是有经验的开发者，通过本文，您都能更加轻松地配置、扩展和定制 ComfyUI，实现高效的 AI 生成工作流。

一、主目录结构及说明：

序号	目录名称	说明
1	.ci/	CI（持续集成）目录，通常包含自动化测试和部署的脚本，用于在代码提交时触发测试、构建和部署等流程。
2	.git/	Git 版本控制的隐藏文件夹，存储项目的版本历史、配置文件和其他 Git 数据。
3	.github/	GitHub 特定配置目录，通常包含 GitHub Actions 工作流文件（用于持续集成/部署自动化）、Issue 模板、PR 模板等。
4	pycache/	Python 缓存目录，存放编译后的 .pyc 文件，目的是加快 Python 脚本的加载速度。
5	api_server/	用于实现 API 服务器的目录，可能包含用于处理 HTTP 请求的代码，实现前端与后端的交互。
6	app/	包含主应用的代码或前端代码，例如 UI、业务逻辑等。
7	comfy/	核心代码文件夹，通常存放项目的主代码库和核心功能模块。
8	comfy_execution/	包含 ComfyUI 的执行逻辑或与任务调度相关的代码。
9	comfy_extras/	额外功能目录，可能包含插件、扩展模块或附加的非核心功能。
10	custom_nodes/	存放自定义节点的文件夹，用于添加特定功能的节点，允许用户扩展 ComfyUI 的默认功能
11	input/	用于存放输入文件的目录，例如图像、文本或其他供处理的资源。
12	model_filemanager/	模型文件管理器，可能用于管理机器学习或深度学习模型文件，包括加载、保存和更新模型。
13	models/	存放模型文件的目录，通常包含训练好的深度学习模型（如 .pt、.ckpt 文件等）。
14	notebooks/	Jupyter Notebook 文件的目录，可能包含用于调试、实验或教程的代码。
15	output/	输出文件夹，存储生成的图像、日志或其他输出文件。
16	script_examples/	存放示例脚本的文件夹，用于演示如何使用项目中的功能或 API。
17	temp/	临时文件夹，存放临时文件和缓存文件，通常用于存储中间数据或缓存。
18	tests/	测试目录，包含项目的单元测试、集成测试或其他测试代码。
19	tests-unit/	单元测试目录，专门用于测试项目中的独立模块或函数。
20	user/	存储用户配置、用户数据或用户特定文件的目录。
21	utils/	工具函数目录，包含一些辅助代码或通用工具模块，通常用于支持主应用功能。
22	web/	前端文件夹，可能包含 HTML、CSS、JavaScript 文件，用于构建用户界面或 Web 前端。

另外最常接触的文件有两个：

extra_model_paths.yaml.example(文件)：如果你安装了stable-diffusion-webui,要进行模型的共享，就要修改这个文件里的base_path，可以做到模型的复用，节约硬盘空间，修改完后，保存文件，并将文件扩展名后面的“.example”去掉即可。

requirements.txt(文件)：这个文件是项目的依赖文件，可以在这里查看相关依赖的库及版本号。

二、子目录结构说明：

我们最常用也是平时操作最为频繁的目录只有两个，下面将这个目录说明如下：

主目录	子目录	目录说明
custom_nodes/		存放自定义节点的文件夹，用于添加特定功能的节点，允许用户扩展 ComfyUI 的默认功能。
models/	BiRefNet/	可能用于双向参考网络（Bidirectional Reference Network）相关的模型，通常用于参考图像的双向匹配或比对任务。
	checkpoints	存放模型的检查点文件，例如 .ckpt 或 .pt 文件。这些文件通常保存了训练好的模型权重，可以在不同的阶段恢复模型状态。
	clip或clip_vision	用于存放 OpenAI 的 CLIP（Contrastive Language–Image Pretraining）模型。clip_vision 可能是 CLIP 模型的视觉处理部分，专注于图像理解。
	configs/	存放模型的配置文件，通常是 .yaml 或 .json 格式，用于指定模型结构和参数设置。
	controlnet/	存放 ControlNet 模型，用于在生成过程中提供额外的控制信号。它是一种增强稳定扩散（Stable Diffusion）的模型，允许用户更细粒度地控制生成的图像内容。
	diffusers/	存放扩散模型（Diffusion Models）的目录。扩散模型是一种生成式模型，常用于图像生成、去噪等任务
	diffusion_models/	扩散模型的存储目录，可能与 diffusers/ 类似，包含不同类型的扩散模型。
	embeddings/	存放文本嵌入（Text Embeddings）文件，用于将文本转化为向量，以便模型理解和处理。通常用于文本到图像生成任务中。
	gligen/	基于生成模型的图像生成相关，GLIGEN 是一种生成模型，允许用户控制生成图像的结构或布局。
	hypernetworks/	超网络（Hypernetwork）模型目录，通常用于动态调整模型参数，以在特定上下文中生成更高质量的输出。
	loras/	LoRA（Low-Rank Adaptation）模型，用于微调主模型的一种技术，通常在少量数据或特定任务上进行微调。
	style_models/	风格迁移或图像风格化的模型，允许用户将特定的艺术风格应用到图像中。
	unet/	U-Net 模型，是一种常用于图像分割的深度学习模型结构，尤其适用于医学图像和生成式任务。
	upscale_models/	图像放大模型目录，包含用于超分辨率或图像放大（提升清晰度）的模型。
	vae/ 和 vae_approx/	VAE（Variational Autoencoder）模型，用于调整生成图像的颜色、细节和质量。